CN113779628A - 匿名关联用户矩阵填充隐私动态发布方法 - Google Patents

匿名关联用户矩阵填充隐私动态发布方法 Download PDF

Info

Publication number
CN113779628A
CN113779628A CN202111049417.3A CN202111049417A CN113779628A CN 113779628 A CN113779628 A CN 113779628A CN 202111049417 A CN202111049417 A CN 202111049417A CN 113779628 A CN113779628 A CN 113779628A
Authority
CN
China
Prior art keywords
matrix
privacy
graph
anonymous
user
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202111049417.3A
Other languages
English (en)
Other versions
CN113779628B (zh
Inventor
罗恩韬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hunan University of Science and Engineering
Original Assignee
Hunan University of Science and Engineering
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hunan University of Science and Engineering filed Critical Hunan University of Science and Engineering
Priority to CN202111049417.3A priority Critical patent/CN113779628B/zh
Publication of CN113779628A publication Critical patent/CN113779628A/zh
Application granted granted Critical
Publication of CN113779628B publication Critical patent/CN113779628B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Bioethics (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Databases & Information Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Storage Device Security (AREA)

Abstract

本发明公开的属于移动智能终端隐私泄漏技术领域，具体为匿名关联用户矩阵填充隐私动态发布方法，包括以下操作步骤：S1：在系统初始化阶段时，如果访问者想获取某个时间段内在某个移动应用服务中所有用户的属性集λ、＝(λ0,λ1,......λi)，i≤n为关联标签建立的网络图，那么访问者将查询需求上传到可信处理中心，可信处理中心将根据访问者的查询需求，设置用户关联网络属性配置文件MF，本发明达到满足多样性，且满足动态应用服务的隐私保护需求的效果，进而达到对用户实时变化的隐私进行及时的获取和进行隐私保护后动态的发布，且通过构建用户关联网络图反映关联用户之间连续变化的隐私关系的效果。

Description

匿名关联用户矩阵填充隐私动态发布方法
技术领域
本发明涉及移动智能终端隐私泄漏技术领域，具体为匿名关联用户矩阵填充隐私动态发布方法。
背景技术
目前，移动社交应用场景下的关联用户的隐私具有动态性，在短时间可以发生快速的连续性变化，然而现行的传统隐私发布方案主要是基于一次性发布的静态隐私发布方案，无法对用户实时变化的隐私进行及时的获取和动态的发布，也不能反映关联用户之间连续变化的隐私关系。
为此，我们提出匿名关联用户矩阵填充隐私动态发布方法。
发明内容
鉴于上述和/或现有匿名关联用户矩阵填充隐私动态发布方法中存在的问题，提出了本发明。
因此，本发明的目的是提供匿名关联用户矩阵填充隐私动态发布方法，通过从实时变化的隐私数据中筛选出具有代表性的隐私网络图，然后进行连续性的动态发布，并在多次连续发布的同时降低关联用户隐私泄露的风险，能够解决上述提出现有的问题。
为解决上述技术问题，根据本发明的一个方面，本发明提供了如下技术方案：
匿名关联用户矩阵填充隐私动态发布方法，其包括以下操作步骤：
S1：在系统初始化阶段时，如果访问者想获取某个时间段内在某个移动应用服务中所有用户的属性集λ`＝(λ0,λ1,......λi)，i≤n为关联标签建立的网络图，那么访问者将查询需求上传到可信处理中心，可信处理中心将根据访问者的查询需求，设置用户关联网络属性配置文件MF；
S2：在数据动态发布阶段，数据动态发布中心根据可信处理中心传过来的配置文件MF，对移动网络中的用户相关属性数据进行持续抽取和分析；
S3：构建用户关联网络图；
S4：通过调用Pandas库中强大的分析结构化数据的工具集，读取可信处理中心从云数据库获取的数据文件；
S5：计算各个实体的属性矩阵，若甲乙的A属性一致，则共现依次权重加1；
S6：将属性矩阵存储至共现文件中；
S7：读取共现文件，绘制对应关系图；
S8：调用Networkx库来绘制图形，得到某一时刻下的用户关联网络图G；
S9：完成后进入网络图筛选差分隐私保护阶段；
S10：对分层抽样得到的网络图集合进行一次遍历，在相邻的一组快照图中，过滤掉相似度高的快照图，只保留一个用于后续处理，结合贪心算法的思想，我们对抽样得到的集合进行一次遍历，在相邻的一组快照中，过滤掉相似度高的快照，只保留一个用于后续处理，通过这种方式来降低通讯开销；
S11：进行社区差分隐私保护后，对得到的快照进行随机标签得到一个标签化的社区网络图G，利用快速社区检测算法，对图G进行社区密集划分检测，输出图的节点标签X`；
S12：将标签化图G转换成对应的邻接矩阵，然后对矩阵A的稀疏和密集区域分，被输出子矩阵An；
S13：建立一个权值识别算法，对矩阵An的权值进行计算得到一个弱联系标准参数r，得到一个满足强弱联系邻接矩阵数组Bn，数组元素保存有节点标签，权值，和强弱联系标签R；
S14：构造强联系扰动算法，对邻接矩阵数组Bn进行遍历选择，对具有强联系标签的数组元素中的权值进行正态加噪扰动，得到后的加噪值覆盖原始值，最后得到强联系扰动后的子区域邻接矩阵数组Bn`；
S15：构造弱联系扰动算法，根据子区域矩阵Bn`建立加噪二叉树BT，对邻接矩阵数组Bn`中的非0权值弱联系真实值计数，并对其进行正态加噪，得到加噪后的噪声计数值；
S16：弱联系加噪矩阵边扰动，即对弱联系边关系进行重新分配，最终输出区域子矩阵Bn``；
S17：根据区域子矩阵Bn``，按照矩阵元素连接填充得到完整上三角矩阵A`，最后由A`生成最终的发布图，并发布△t内符合要求的所有用户关联网络发布图。
作为本发明所述的匿名关联用户矩阵填充隐私动态发布方法的一种优选方案，其中：所述S1中MF包含访问者所需要的用户的属性集合λ`＝(λ0,λ1,......λi)，i≤n，以及查询时间跨度△t。
作为本发明所述的匿名关联用户矩阵填充隐私动态发布方法的一种优选方案，其中：所述S2中将引入动态时间窗口划分的偏倚抽样方法进行数据获取，设一个时间窗口W的长度为Δt,设ti为第i个时间窗口wi的起始时间，则其结束时间为ti+Δt，用＜G,ti,ti+Δt＞表示第i个时间窗口中的所有快照，每层中的数据元素用wi[1],wi[2],...,wi[k]表示。
作为本发明所述的匿名关联用户矩阵填充隐私动态发布方法的一种优选方案，其中：所述第i个时间窗口的第j层的数据元素为
Figure BDA0003252194250000041
作为本发明所述的匿名关联用户矩阵填充隐私动态发布方法的一种优选方案，其中：所述S4中Pandas是Python第三方库，提供高性能易用数据类型和分析工具。
作为本发明所述的匿名关联用户矩阵填充隐私动态发布方法的一种优选方案，其中：所述S5中如果B属性也一致，则权重继续加1，直到对于访问者所需要的所有属性遍历比对完，则停止计算。
作为本发明所述的匿名关联用户矩阵填充隐私动态发布方法的一种优选方案，其中：所述S7中如果实体甲和实体乙共同出现，则建立一条边，表示存在某种关系，权值越大关系越紧密。
作为本发明所述的匿名关联用户矩阵填充隐私动态发布方法的一种优选方案，其中：所述S8中Networkx是用来创建、操作、研究复杂网络结构的Python扩展包，它支持图的快速创建，同时常用的图算法，同时支持常用的图算法。
作为本发明所述的匿名关联用户矩阵填充隐私动态发布方法的一种优选方案，其中：所述S15中节点保存有矩阵的位置信息，弱联系真实值计数信息k，和正态加噪后的噪声值计数信息k`。
作为本发明所述的匿名关联用户矩阵填充隐私动态发布方法的一种优选方案，其中：所述S16中重新分配有四种，即原来权值为0的位置处置为0或非0弱联系权值，原来为非0弱联系权值的位置处置非0弱联系权值或0，重新分配时，应优先分配原有关系处及其四周相邻的区域，且避开强联系位置，不能随意将强联系和弱联系的位置置换，这样可以尽量保持图的原始关系，在一定程度上保证应用服务发布数据的功用与隐私的平衡。
与现有技术相比：当访问者想获得某个移动用户社区网络关系，那么访问者可以上传一个需求文件到可信处理中心，该文件包含访问者想获取的某个应用服务中的用户属性，请求处理中心将需求文件发送到可信处理中心，可信处理中心根据需求文件中的属性对数据存储中心的用户数据进行持续动态获取，然后根据属性标签进行用户画像，构建关联网络图，动态发布中心将可信处理中心的网络图进行进一步的代表性筛选，和差分隐私处理，使得对用户应用服务进行匿名处理后，访问者或者其他非法用户识别带敏感标签的概率小于1/n，从而达到满足多样性，且满足动态应用服务的隐私保护需求的效果，进而达到对用户实时变化的隐私进行及时的获取和动态的发布，且通过构建用户关联网络图反映关联用户之间连续变化的隐私关系的效果。
附图说明
图1为本发明提供的发布过程总体架构图；
图2为本发明提供的社区网络图G；
图3为本发明提供的所有用户关联网络发布图G`。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明的实施方式作进一步地详细描述。
本发明提供匿名关联用户矩阵填充隐私动态发布方法，请参阅图1-3，包括以下操作步骤：
S1：在系统初始化阶段时，如果访问者想获取某个时间段内在某个移动应用服务中所有用户的属性集λ`＝(λ0,λ1,......λi)，i≤n为关联标签建立的网络图，那么访问者将查询需求上传到可信处理中心，可信处理中心将根据访问者的查询需求，设置用户关联网络属性配置文件MF，MF包含访问者所需要的用户的属性集合λ`＝(λ0,λ1,......λi)，i≤n，以及查询时间跨度△t；
其中访问者是对某个特定应用服务中的用户关联关系有需求的第三方，如推广机构，广告公司等；
S2：在数据动态发布阶段，数据动态发布中心根据可信处理中心传过来的配置文件MF，对移动网络中的用户相关属性数据进行持续抽取和分析，将引入动态时间窗口划分的偏倚抽样方法进行数据获取，设一个时间窗口W的长度为Δt,设ti为第i个时间窗口wi的起始时间，则其结束时间为ti+Δt，用＜G,ti,ti+Δt＞表示第i个时间窗口中的所有快照，每层中的数据元素用wi[1],wi[2],...,wi[k]表示，第i个时间窗口的第j层的数据元素为
Figure BDA0003252194250000071
其中可信处理中心TPC主要负责对数据库中的数据进行持续动态获取和关联用户隐私的保护处理；
其中云存储中心CSC用于存储用户的关联隐私数据，包括个人照片、个人视频、兴趣爱好、联系方式、身份信息等；
S3：构建用户关联网络图；
S4：过调用Pandas库中的强大的分析结构化数据的工具集，读取可信处理中心从云数据库获取的数据文件；
其中Pandas是Python第三方库，提供高性能易用数据类型和分析工具；
S5：计算各个实体的属性矩阵，若甲乙的A属性一致，则共现依次权重加1，如果B属性也一致，则权重继续加1，直到对于访问者所需要的所有属性遍历比对完，则停止计算；
S6：将属性矩阵存储至共现文件中；
S7：读取共现文件，绘制对应关系图，如果实体甲和实体乙共同出现，则建立一条边，表示存在某种关系，权值越大关系越紧密；
S8：调用Networkx库来绘制图形，得到某一时刻下的用户关联网络图G；
其中Networkx库用于创建、操作和研究复杂网络的结构、动态和功能，Networkx是用来创建、操作、研究复杂网络结构的Python扩展包，它支持图的快速创建，同时支持常用的图算法；
S9：完成后进入网络图筛选差分隐私保护阶段；
S10：对分层抽样得到的网络图集合进行一次遍历，在相邻的一组快照图中，过滤掉相似度高的快照图，只保留一个用于后续处理，结合贪心算法的思想，我们对抽样得到的集合进行一次遍历，在相邻的一组快照中，过滤掉相似度高的快照，只保留一个用于后续处理，通过这种方式来降低通信开销；
S11：进行社区差分隐私保护后，对得到的快照进行随机标签得到一个标签化的社区网络图G，利用快速社区检测算法，对图G进行社区密集划分检测，输出图的节点标签X`，参照图2；
S12：将标签化图G转换成对应的邻接矩阵，然后对矩阵A的稀疏和密集区域分，被输出子矩阵An；
S13：建立一个权值识别算法，对矩阵An的权值进行计算得到一个弱联系标准参数r，得到一个满足Bn的强弱联系邻接矩阵数组，数组元素保存有节点标签，权值，和强弱联系标签R；
S14：构造强联系扰动算法，对邻接矩阵数组Bn进行遍历选择，对具有强联系标签的数组元素中的权值进行正态加噪扰动，得到后的加噪值覆盖原始值，最后得到强联系扰动后的子区域邻接矩阵数组Bn`；
S15：构造弱联系扰动算法，根据子区域矩阵Bn`建立加噪二叉树BT，对邻接矩阵数组Bn`中的非0权值弱联系真实值计数，并对其进行正态加噪，得到加噪后的噪声计数值，节点保存有矩阵的位置信息，弱联系真实值计数信息k，和正态加噪后的噪声值计数信息k`；
S16：弱联系加噪矩阵边扰动，即对弱联系边关系进行重新分配，重新分配有四种，即原来权值为0的位置处置为0或非0弱联系权值，原来为非0弱联系权值的位置处置非0弱联系权值或0，重新分配时，应优先分配原有关系处及其四周相邻的区域，且避开强联系位置，不能随意将强联系和弱联系的位置置换，这样可以尽量保持图的原始关系，在一定程度上保证应用服务发布数据的功用与隐私的平衡，最终输出区域子矩阵Bn``；
S17：根据区域子矩阵Bn``连接填充得到完整上三角矩阵A`，最后由A`生成最终的发布图G`，并发布△t内符合要求的所有用户关联网络发布图G`，参照图3；
当访问者想获得某个移动用户社区网络关系，那么访问者可以上传一个需求文件到可信处理中心，该文件包含访问者想获取的某个应用服务中的用户属性，请求处理中心将需求文件发送到可信处理中心，可信处理中心根据需求文件中的属性对数据存储中心的用户数据进行持续动态获取，然后根据属性标签进行用户画像，构建关联网络图，动态发布中心将可信处理中心的网络图进行进一步的代表性筛选，和差分隐私处理，使得对用户应用服务进行匿名处理后，访问者或者其他非法用户识别带敏感标签的概率小于1/n，从而达到满足多样性，且满足动态应用服务的隐私保护需求的效果，进而达到对用户实时变化的隐私进行及时的获取和动态的发布，且通过构建用户关联网络图反映关联用户之间连续变化的隐私关系的效果。
虽然在上文中已经参考实施方式对本发明进行了描述，然而在不脱离本发明的范围的情况下，可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是，只要不存在结构冲突，本发明所披露的实施方式中的各项特征均可通过任意方式相互结合起来使用，在本说明书中未对这些组合的情况进行穷举性的描述仅仅是出于省略篇幅和节约资源的考虑。因此，本发明并不局限于文中公开的特定实施方式，而是包括落入权利要求的范围内的所有技术方案。

Claims (10)

1.匿名关联用户矩阵填充隐私动态发布方法，其特征在于：包括以下操作步骤：
S1：在系统初始化阶段时，如果访问者想获取某个时间段内在某个移动应用服务中所有用户的属性集λ`＝(λ0,λ1,......λi)，i≤n为关联标签建立的网络图，那么访问者将查询需求上传到可信处理中心，可信处理中心将根据访问者的查询需求，设置用户关联网络属性配置文件MF；
S2：在数据动态发布阶段，数据动态发布中心根据可信处理中心传过来的配置文件MF，对移动网络中的用户相关属性数据进行持续抽取和分析；
S3：构建用户关联网络图；
S4：通过调用Pandas库中强大的分析结构化数据的工具集，读取可信处理中心从云数据库获取的数据文件；
S5：计算各个实体的属性矩阵，若甲乙的A属性一致，则共现依次权重加1；
S6：将属性矩阵存储至共现文件中；
S7：读取共现文件，绘制对应关系图；
S8：调用Networkx库来绘制图形，得到某一时刻下的用户关联网络图G；
S9：完成后进入网络图筛选差分隐私保护阶段；
S10：对分层抽样得到的网络图集合进行一次遍历，在相邻的一组快照图中，过滤掉相似度高的快照图，只保留一个用于后续处理，结合贪心算法的思想，我们对抽样得到的集合进行一次遍历，在相邻的一组快照中，过滤掉相似度高的快照，只保留一个用于后续处理，通过这种方式来降低通讯开销；
S11：进行社区差分隐私保护后，对得到的快照进行随机标签得到一个标签化的社区网络图G，利用快速社区检测算法，对图G进行社区密集划分检测，输出图的节点标签X`；
S12：将标签化图G转换成对应的邻接矩阵，然后对矩阵A的稀疏和密集区域分，被输出子矩阵An；
S13：建立一个权值识别算法，对矩阵An的权值进行计算得到一个弱联系标准参数r，得到一个满足强弱联系邻接矩阵数组Bn，数组元素保存有节点标签，权值，和强弱联系标签R；
S14：构造强联系扰动算法，对邻接矩阵数组Bn进行遍历选择，对具有强联系标签的数组元素中的权值进行正态加噪扰动，得到后的加噪值覆盖原始值，最后得到强联系扰动后的子区域邻接矩阵数组Bn`；
S15：构造弱联系扰动算法，根据子区域矩阵Bn`建立加噪二叉树BT，对邻接矩阵数组Bn`中的非0权值弱联系真实值计数，并对其进行正态加噪，得到加噪后的噪声计数值；
S16：弱联系加噪矩阵边扰动，即对弱联系边关系进行重新分配，最终输出区域子矩阵Bn``；
S17：根据区域子矩阵Bn``，按照矩阵元素连接填充得到完整上三角矩阵A`，最后由A`生成最终的发布图，并发布△t内符合要求的所有用户关联网络发布图。
2.根据权利要求1所述的匿名关联用户矩阵填充隐私动态发布方法，其特征在于，所述S1中MF包含访问者所需要的用户的属性集合λ`＝(λ0,λ1,......λi)，i≤n，以及查询时间跨度△t。
3.根据权利要求1所述的匿名关联用户矩阵填充隐私动态发布方法，其特征在于，所述S2中将引入动态时间窗口划分的偏倚抽样方法进行数据获取，设一个时间窗口W的长度为Δt,设ti为第i个时间窗口wi的起始时间，则其结束时间为ti+Δt，用＜G,ti,ti+tΔ＞表示第i个时间窗口中的所有快照，每层中的数据元素用wi[1],wi[2],...,wi[k]表示。
4.根据权利要求3所述的匿名关联用户矩阵填充隐私动态发布方法，其特征在于，所述第i个时间窗口的第j层的数据元素为
Figure FDA0003252194240000031
5.根据权利要求1所述的匿名关联用户矩阵填充隐私动态发布方法，其特征在于，所述S4中Pandas是Python第三方库，提供高性能易用数据类型和分析工具。
6.根据权利要求1所述的匿名关联用户矩阵填充隐私动态发布方法，其特征在于，所述S5中如果B属性也一致，则权重继续加1，直到对于访问者所需要的所有属性遍历比对完，则停止计算。
7.根据权利要求1所述的匿名关联用户矩阵填充隐私动态发布方法，其特征在于，所述S7中如果实体甲和实体乙共同出现，则建立一条边，表示存在某种关系，权值越大关系越紧密。
8.根据权利要求1所述的匿名关联用户矩阵填充隐私动态发布方法，其特征在于，所述S8中Networkx是用来创建、操作、研究复杂网络结构的Python扩展包，它支持图的快速创建，同时常用的图算法，同时支持常用的图算法。
9.根据权利要求1所述的匿名关联用户矩阵填充隐私动态发布方法，其特征在于，所述S15中节点保存有矩阵的位置信息，弱联系真实值计数信息k，和正态加噪后的噪声值计数信息k`。
10.根据权利要求1所述的匿名关联用户矩阵填充隐私动态发布方法，其特征在于，所述S16中重新分配有四种，即原来权值为0的位置处置为0或非0弱联系权值，原来为非0弱联系权值的位置处置非0弱联系权值或0，重新分配时，应优先分配原有关系处及其四周相邻的区域，且避开强联系位置，不能随意将强联系和弱联系的位置置换，这样可以尽量保持图的原始关系，在一定程度上保证应用服务发布数据的功用与隐私的平衡。
CN202111049417.3A 2021-09-08 2021-09-08 匿名关联用户矩阵填充隐私动态发布方法 Active CN113779628B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111049417.3A CN113779628B (zh) 2021-09-08 2021-09-08 匿名关联用户矩阵填充隐私动态发布方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111049417.3A CN113779628B (zh) 2021-09-08 2021-09-08 匿名关联用户矩阵填充隐私动态发布方法

Publications (2)

Publication Number Publication Date
CN113779628A true CN113779628A (zh) 2021-12-10
CN113779628B CN113779628B (zh) 2024-04-30

Family

ID=78841653

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111049417.3A Active CN113779628B (zh) 2021-09-08 2021-09-08 匿名关联用户矩阵填充隐私动态发布方法

Country Status (1)

Country Link
CN (1) CN113779628B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020161561A1 (en) * 2001-01-16 2002-10-31 Sridevi Sarma System and method for association of object sets
US8346774B1 (en) * 2011-08-08 2013-01-01 International Business Machines Corporation Protecting network entity data while preserving network properties
CN104317900A (zh) * 2014-10-24 2015-01-28 重庆邮电大学 一种面向社交网络的多属性协同过滤推荐方法
CN106656997A (zh) * 2016-11-09 2017-05-10 湖南科技学院 一种基于移动社交网络代理重加密跨域交友隐私保护方法
CN107918664A (zh) * 2017-11-22 2018-04-17 广西师范大学 基于不确定图的社会网络数据差分隐私保护方法
CN109299615A (zh) * 2017-08-07 2019-02-01 南京邮电大学 一种面向社交网络数据的差分隐私处理发布方法
CN109766710A (zh) * 2018-12-06 2019-05-17 广西师范大学 关联社交网络数据的差分隐私保护方法
CN111506832A (zh) * 2020-04-20 2020-08-07 盐城禅图智能科技有限公司 一种基于块矩阵补全的异构对象补全方法
CN112487473A (zh) * 2020-11-11 2021-03-12 东南大学 一种针对协同过滤中共谋推断攻击的差分隐私保护方法
CN112612969A (zh) * 2020-12-25 2021-04-06 北京工业大学 协同过滤推荐方法、装置、电子设备及存储介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020161561A1 (en) * 2001-01-16 2002-10-31 Sridevi Sarma System and method for association of object sets
US8346774B1 (en) * 2011-08-08 2013-01-01 International Business Machines Corporation Protecting network entity data while preserving network properties
CN104317900A (zh) * 2014-10-24 2015-01-28 重庆邮电大学 一种面向社交网络的多属性协同过滤推荐方法
CN106656997A (zh) * 2016-11-09 2017-05-10 湖南科技学院 一种基于移动社交网络代理重加密跨域交友隐私保护方法
CN109299615A (zh) * 2017-08-07 2019-02-01 南京邮电大学 一种面向社交网络数据的差分隐私处理发布方法
CN107918664A (zh) * 2017-11-22 2018-04-17 广西师范大学 基于不确定图的社会网络数据差分隐私保护方法
CN109766710A (zh) * 2018-12-06 2019-05-17 广西师范大学 关联社交网络数据的差分隐私保护方法
CN111506832A (zh) * 2020-04-20 2020-08-07 盐城禅图智能科技有限公司 一种基于块矩阵补全的异构对象补全方法
CN112487473A (zh) * 2020-11-11 2021-03-12 东南大学 一种针对协同过滤中共谋推断攻击的差分隐私保护方法
CN112612969A (zh) * 2020-12-25 2021-04-06 北京工业大学 协同过滤推荐方法、装置、电子设备及存储介质

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
FIERIMONTE, ROBERTO 等: "Fully Decentralized Semi-supervised Learning via Privacy-preserving Matrix Completion", IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS, vol. 28, no. 11, 30 November 2017 (2017-11-30), XP011671262, DOI: 10.1109/TNNLS.2016.2597444 *
刘婧天: "社会网络数据发布的隐私保护技术研究", 中国优秀硕士学位论文全文数据库 信息科技辑, no. 2018, 15 June 2018 (2018-06-15), pages 138 - 92 *
毋文敏;何杰;吕兰波;王帅;俞啸;: "基于差分隐私的协同过滤推荐系统的设计与实现", 信息与电脑(理论版), no. 17, 15 September 2018 (2018-09-15) *
王晗;张玲;: "面向互联网开放平台保护用户隐私的关联规则挖掘算法", 计算机应用研究, no. 05, 31 May 2015 (2015-05-31) *
罗恩韬 等: "移动社交网络中矩阵混淆加密交友隐私保护策略", 软件学报, vol. 30, no. 12, 30 December 2019 (2019-12-30) *

Also Published As

Publication number Publication date
CN113779628B (zh) 2024-04-30

Similar Documents

Publication Publication Date Title
CN105095435A (zh) 一种图像高维特征的相似比较方法及装置
US20130340095A1 (en) Method of and Systems for Privacy Preserving Mobile Demographic Measurement of Individuals, Groups and Locations Over Time and Space
AU2017399007A1 (en) Mobility gene for trajectory data
US10303897B2 (en) Anonymization system, issuance device, and storage medium
CN107133248B (zh) 一种应用程序的分类方法和装置
US9111231B2 (en) Associating a web session with a household member
Saini et al. Privacy aware publication of surveillance video
US8271635B2 (en) Multi-tier, multi-state lookup
AU2017399008A1 (en) Mobility gene for visit data
Yang et al. A Time‐Aware CNN‐Based Personalized Recommender System
Qiao et al. An effective data privacy protection algorithm based on differential privacy in edge computing
Brumancia et al. Hybrid data fusion model for restricted information using Dempster–Shafer and adaptive neuro-fuzzy inference (DSANFI) system
CN113779628A (zh) 匿名关联用户矩阵填充隐私动态发布方法
WO2016122668A1 (en) Multiple user data storage and separation
CN116340278A (zh) 一种面向移动物联网的区块链上空间数据可认证共享方法
Song et al. Labeled graph sketches: Keeping up with real-time graph streams
CN110851868A (zh) 一种用于轨迹数据发布的位置代表元生成方法
CN112860677B (zh) 实体判重方法、终端设备及存储介质
Wang et al. Measuring the similarity of PML documents with RFID–based sensors
Zhang et al. Blockchain-Assisted UAV Data Free-Boundary Spatial Querying and Authenticated Sharing
CN112564928B (zh) 服务分类方法及设备、互联网系统
CN117099102A (zh) 学习利用可变分布保留来变换敏感数据
US20220309186A1 (en) Methods and systems for anonymously tracking and/or analysing individuals based on biometric data
CN106850833A (zh) 一种平衡元数据集群负载的方法及装置
CN111091391B (zh) 用于识别作弊用户的方法、装置和电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant